- 電工電子電氣實訓設備
- 電力電子電機實訓裝置
- 過程控制實驗裝置
- 工業機器人智能制造
- 維修電工實訓設備
- PLC自動化實訓設備
- 數控機床實訓考核裝置
- 數控機床機械加工設備
- 機床電氣實訓裝置
- 光機電一體化實訓設備
- 機械示教陳列柜
- 機械專業實驗設備
- 傳感器檢測實驗室設備
- 人工智能實訓設備
- 特種作業操作實訓考核設備
- 物聯網實驗實訓設備
- 消防、給排水實訓設備
- 網絡布線實訓室設備
- 電梯安裝維修實訓考核設備
- 熱工暖通家電制冷實訓設備
- 樓宇智能化實訓設備
- 環境工程實驗裝置
- 流體力學實驗裝置
- 化工專業實驗實訓設備
- 新能源實驗實訓設備
- 電力供配電實訓設備
- 煤礦礦山實驗實訓設備
- 液壓氣動實驗室設備
- 財經類實訓設備.軟件
- 軌道交通實驗實訓設備
- 船舶實訓考核裝置
- 駕駛模擬訓練設備
- 新能源汽車實訓設備
- 汽車發動機底盤實訓臺
- 汽車電器電子實訓臺
- 特種車工程機械實訓設備
- 汽車虛擬仿真實訓軟件
- 醫學教學模型
- 中小學實驗室設備
- 實驗箱.實驗儀
- 模型沙盤模擬屏定制
- 儀器設備.教學掛圖
- LG-AE01AI型 西門子S7-300型PLC過程控制實驗裝置
- LGK-III型 數控車/銑床綜合考核裝置(二合一/生產型
- LG-DPJ03型 程控交換實驗教學系統
- LG-MEW01型 工業互聯網操作應用實驗平臺
- LG-FJP01型 風機盤管接線安裝實訓裝置
- LG-ZL08型 制冷循環演示熱泵實訓裝置
- LG-ZL07型 制冷設備與PLC控制實訓考核裝置
- LG-ZL06型 通用制冷原理實訓考核裝置
- LGJ-HT04型 臺虎鉗實測繪圖訓練裝置
- LGJ-JH01型 幾何體實測繪圖訓練裝置
- LGJ-LJ01型 標準零件實測繪圖訓練裝置
- LGJ-HT03型 千斤頂實測繪圖訓練裝置
- LGJ-HT02型 減速器實測繪圖訓練裝置
- LGJ-HT01型 聯接與配合實測繪圖訓練裝置
- LGJ-WC02型 零件尺寸誤差測量組合實訓裝置
- LGK-III型 數控車/銑床綜合考核裝置(二合一/生產型
- LG-AT2型 自控原理與計算機控制實驗儀
- LG-NLY01型 樓宇智能化工程實訓系統
- LGZK-201G 自動化綜合實訓裝置( PLC、直流調速、觸
- LGPD-205B型 PLC、單片機及微機原理綜合實訓裝置
- LGZK-201C 自動化綜合實訓裝置(PLC、變頻器)
- LGZK-201B 自動化綜合實訓裝置（PLC/觸摸屏）
- LGZK-201A 自動化綜合實訓裝置 (PLC)
- LGWK-08B型 網孔型中級維修電工實訓考核裝置
- LGWK-08C型 網孔型高級維修電工實訓考核裝置
- LGW-01C型 高性能高級維修電工及技能實訓裝置
- LGW-01B型 高性能中級維修電工及技能培訓考核實訓
- LG-FZ08型 機械工程制圖畫法幾何多媒體實訓裝置
- LG-FZ07型 機械制圖多媒體三維測繪設計實訓裝置
- LG-N06型 多媒體智能控制《機械工程制圖》陳列柜
LGWL-FTAI03型 人工智能技術開發平臺
品牌：理工偉業 咨詢電話：010-82827827 82827835
一、產品概述
LGWL-FTAI03型 人工智能技術開發平臺是一款綜合人工智能技術、嵌入式接口技術、傳感器檢測技術、物聯網通信技術的AIoT通用教學產品，滿足人工智能相關專業基礎理論教學、端側人工智能實驗、人工智能項目開發、智能產品應用開發等。
LGWL-FTAI03型 人工智能技術開發平臺主要由邊緣計算網關、云臺攝像頭、液晶顯示屏、人工智能教學平臺及其他附件組成，內置機器視覺庫、機器學習算法、深度學習框架，支持接入華為modelarts第三方AI平臺，可以實現圖像識別、物體檢測、語音識別、文本分類、預測分析等項目案例?？梢源钆涓兄獋鞲衅飨盗?，無線通信系列，進一步加深人工智能與物聯網的融合創新。
二、硬件組成
1、AI邊緣計算網關：核心板和接口底板插拔模式固定連接。核心板板載高性能四核ARM Cortex-A57 MP Core處理器，具有128個CUDA核心的GPU，4GB 64位LPDDR4 1600MHz的顯存，多種視頻編碼模式（2×1080p@60,4×1080p@30等），多種視頻解碼模式（1×4k@60,4×1080p@60等），板載TF卡槽，板載WiFi模塊。底板板載1路HDMI 2.0或DP1.2同步高清顯示接口，2路MIPI CSI攝像頭接口，1路USB3.0接口，3路USB2.0接口，1個RJ45千兆以太網口，1個麥克風模塊，1路音頻輸出接口，1個無線傳感網接口。
2、云臺攝像頭：支持30萬（480P）分辨率，USB接口。輸出格式YUYV，旋轉角度左右180°，上下180°。
3、顯示屏：1024*600分辨率，HDMI接口
4、傳感器系列模塊。板載Cortex-M3處理器最小系統單元，郵票封裝貼焊工藝，主頻72MHz。板載溫濕度傳感器、光敏傳感器、雨露傳感器、光強傳感器、廣譜氣體傳感器等，支持I2C接口、ADC接口、I/O接口等。傳感器接口均引到香蕉頭插孔上，既可以滿足自身處理器的傳感器采集應用，也可以供其他處理器導線連接擴展應用。
5、執行器系列模塊。板載Cortex-M3處理器最小系統單元，郵票封裝貼焊工藝，主頻72MHz。板載RGB三色燈、蜂鳴器、風扇、減速電機、舵機、步進電機、繼電器等執行部件，支持I/O接口、PWM接口等。執行器驅動接口均引到香蕉頭插孔上，既可以滿足自身處理器的執行器控制應用，也可以供其他處理器模塊連線擴展應用。
6、其他附件：包含至少64GB的TF卡、揚聲器、麥克風、USB HUB、鍵盤鼠標等。
三、軟件資源
1、人工智能教學平臺
（1）B/S架構，Web瀏覽器訪問平臺開始人工智能技術的學習、驗證、開發。
（2）覆蓋圖像處理基礎知識，可進行灰度化、二值化、邊緣提取、膨脹與腐蝕、高斯濾波、小波變換、形狀檢測、放大縮小等；
（3）傳統機器學習模式識別的深入學習，如OpenCV庫的加載、鳶尾花均值聚類、Adaboost人臉檢測、SVM行人檢測、目標物體跟蹤等；
（4）集成TensorFlow、Caffe兩大人工智能深度學習框架，提供基于開發框架的手寫數字識別、車牌識別、垃圾分類、物體識別等；
（5）具有jupyter在線開發模式，用戶可直接在網頁中輸入python代碼，在線編輯，直接執行。
2、ModelArts應用軟件
提供手勢識別、人臉識別、聲音分類、房價預測、短信詐騙等實訓案例，具有樣本收集、標注、訓練、生成模型，接口應用功能。
3、邊緣硬件采集控制程序
該軟件需要搭配傳感器系列模塊、執行器系列模塊?；谶吘売嬎憔W關的GPIO、I2C、UART接口，實現溫濕度采集、光線強度采集、LED蜂鳴器控制、風扇控制、舵機控制等python基礎應用實驗。
四、功能特點
1、采用Python編程語言，支持人工智能基礎課程。實驗項目均采用Python語言開發，可以支撐數字圖像處理、計算機視覺、機器學習、深度學習等課程知識點的學習和實驗。
2、支持Web端AI教學平臺、客戶端應用軟件等多種用戶交互方式。
3、AI教學平臺支持離線圖片、在線視頻兩種數據來源。既支持離線圖片上傳識別，也可調用攝像頭，對視頻流抓拍識別。識別結果采用LOG信息實時顯示，和目標矩形框標注展示。
4、AI教學平臺具有數字圖像處理、機器學習、深度學習三個體驗功能版塊?；贠penCV機器視覺庫能夠實現圖像預處理、顏色識別，形狀識別等；基于傳統的十大機器學習算法，可以實現Adaboost人臉檢測、SVM人臉檢測、K均值鳶尾花聚類、目標跟蹤等；基于主流開源的Tensorflow、Caffe深度學習算法框架，通過數據獲取、算法訓練、模型應用，可以實現涂鴉猜游戲、文字識別、物體識別、垃圾分類、車牌識別等。
5、ModelArts云端結合功能。ModelArts云端完成數據集上傳、標注、模型訓練、接口生成；終端完成接口調用，實現AI應用。
6、靈活擴展，組合應用功能?？梢院蛡鞲衅髂K、執行器模塊、通信系列模塊結合，將AI和物聯網終端靈活組合出更多智能產品。
7、具有雷達數據分析的功能。
五、配置清單
|
序號 |
類別 |
設備名稱 |
單位 |
備注 |
|
1 |
平臺 |
F-Table基礎平臺 |
1 |
|
|
2 |
必配硬件 |
AI邊緣計算網關 |
1 |
|
|
3 |
顯示屏 |
1 |
|
|
|
4 |
云臺攝像頭 |
1 |
二自由度 |
|
|
5 |
雷達傳感器模塊 |
1 |
|
|
|
6 |
全向型拾音器 |
1 |
|
|
|
7 |
揚聲器 |
1 |
|
|
|
8 |
USB HUB |
1 |
|
|
|
9 |
鍵盤鼠標 |
1 |
|
|
|
10 |
物聯網模塊 |
環境傳感器模塊 |
1 |
|
|
11 |
執行傳感器模塊 |
1 |
|
|
|
12 |
軟件 |
人工智能教學平臺 |
1 |
含在硬件里 |
|
13 |
教學資源 |
1 |
|
|
|
14 |
附件 |
含64Gtf卡（50）、TF卡讀卡器、DC12V3A電源適配器（50）、Type-C USB線纜 |
1 |
|
六、實驗項目
教學資源主要內容：
?第一部分：基于人工智能教學平臺，可開展圖像處理、機器學習、深度學習方面的驗證性實驗，提供python語言的在線實驗代碼編輯、測試，提供實驗手冊；
?第二部分：AI+IoT結合，實現物聯網終端設備感知層傳感器的采集、執行器的控制、多傳感器融合。
?第三部分：ModelArts人工智能應用教學。云端結合，可以完成圖像分類、物體檢測、文本分類、預測分析等應用。
|
課程類別 |
課程要求 |
|||
|
1.人工智能概論 |
課程內容 |
了解人工智能概念、發展歷史、 |
||
|
2.Python基礎編程 |
課程目標 |
掌握Python基本編程方法 |
||
|
課程內容 |
基于人工智能開發套件完成Python開發環境搭建，基本語法的入門，通信編程開發等。 |
|||
|
課程實驗 |
實驗1：開發環境安裝 實驗2：數據類型 實驗3：程序控制 實驗4：函數類 |
實驗5：模塊和標準庫 實驗6：文件和流 實驗7：數據庫和網絡編程 實驗8：圖形用戶界面 |
||
|
3.Python傳感器技術應用 |
課程實驗 |
實驗1：溫濕度采集 實驗2：光強采集 |
實驗3：開關類執行器控制 實驗4：步進電機控制 |
|
|
3.數字圖像處理 實驗課程 |
課程目標 |
理解圖像處理算法的原理 掌握數字圖像處理的常用方法 |
||
|
課程內容 |
基于人工智能開發套件完成圖像處理視覺庫的安裝、圖像處理方法調用。 |
|||
|
實驗硬件 |
人工智能應用開發套件 |
|||
|
課程實驗 |
實驗1 Opencv視覺庫的安裝配置 實驗2 圖像灰度化 實驗3 歸一化 實驗4 二值化 實驗5 圖像濾波：高斯、中值 |
實驗6 邊緣檢測：Sobel/Canny/hog 實驗7 形態學 實驗8 灰度直方圖 實驗9 銳化 實驗10 鈍化 實驗11 圖像增強 |
||
|
課程實訓 |
實驗1 顏色識別 |
了解顏色組成和表示方法； 使用Opencv庫識別顏色，并播報。 |
||
|
實驗2 簡單圖形形狀識別 |
了解霍夫變換的原理； 涉及圖像灰度化、歸一化、濾波、邊緣檢測等知識點； 使用Opencv庫識別圓形、矩形，并播報。 |
|||
|
4.機器學習 應用實驗課 |
課程目標 |
1.了解機器學習的分類：無監督、有監督 2.了解數據集的原理、作用、存儲格式 3.了解至少一種聚類算法如K-Means的原理：歐式距離、余弦距離曼哈頓距離計算方法； 4.了解至少一種機器學習算法如Adaboost、SVM、決策樹等的原理：分類器的流程； 5.掌握聚類算法、分類器算法的調用方法 6.掌握分類器的檢測分類效果 7.掌握根據分類效果，進行智能控制 8.通過增減數據集，掌握算法訓練的全過程 |
||
|
課程內容 |
能夠使用機器學習的算法，實現聚類、分類、以及能夠結合聲、光、電設備實現關聯控制 |
|||
|
課程實驗 |
實驗1 鳶尾花聚類播報 實驗2 臉部數據集分析顯示 |
實驗3 人臉檢測控制實驗 實驗4 行人檢測控制實驗 實驗5 目標跟蹤實驗 |
||
|
5.深度學習 應用實驗課 |
課程目標 |
1.了解深度學習的定義，與機器學習的區別 2.了解數據集的原理、作用，以及格式 2.了解至少一種深度學習算法的理論：如CNN、RNN、BP神經網絡 3.掌握至少一種深度學習框架的使用方法：如Caffe、TensorFlow 4.掌握使用深度學習方法實現識別的方法 5.掌握根據識別結果，進行智能控制，如語音播報識別到的數字，語音播報識別到的物體名稱，控制聲、光、電執行部件。 6.通過增加數據集，掌握算法訓練的全過程。 |
||
|
課程內容 |
能夠使用深度學習的方法，實現數字、物體識別，使人工智能與物聯網感控設備聯動 |
|||
|
課程實驗 |
實驗1 手寫數字識別 實驗2 涂鴉猜游戲 實驗3 物體識別 |
實驗4 垃圾分類 實驗5 車牌識別 |
||
|
6.ModelArt平臺應用 |
課程目標 |
掌握使用人工智能平臺SDK完成AI技能 |
||
|
課程內容 |
1）圖像分類 2）物體檢測 3）聲音分類 4）文本分類 5）預測分析 |
|||
|
課程實驗 |
實驗1 手勢識別 實驗2 人臉識別 實驗3 殘次品檢測 |
實驗4 聲音檢測 實驗5 房價預測 實驗6 短信詐騙預警 |
||
|
8.物聯網應用開發 |
課程目標 |
掌握物聯網應用開發方法 |
||
|
課程內容 |
1.云平臺接入方法 2.傳感網通信協議的解析 3.平臺JSON數據包重組 |
4.MQTT協議分析與測試 5.HTTP協議分析與測試 |
||
- 上一篇：LGWL-FT02型 人工智能物聯網實驗平臺
- 下一篇：沒有了